华体绘（中国大陆）科技股份有限公司官网

　　我国是水果生产大国，但不是水果产业强国，水果的产后分级处理技术落后严重制约着我国水果产业

　　的发展。水果机器视觉自动分选机可以综合检测水果的大小、颜色、果形和表面缺陷状况等外观品质，具

　　有自动、高效、准确、全面、客观和非破坏性检测等优点，在水果产后分级处理中得到了广泛应用。针对

　　我国分散化经营的水果生产现状，本文对小型化水果机器视觉自动分选机中的几种关键技术进行了深入研

　　究，并研制了一台水果机器视觉自动分选机样机，实现了苹果的大小分选。其中的主要研究内容和创新点

　　（１）对滚子式水果输送翻转机构进行了优化设计，使该机构能输送大小相差近一倍的水果，并使所

　　有水果都以近似相同的角速度均匀翻转，所以在摄像机连续采集两幅图像的时间间隔内，所有水果转过的

　　角度都近似相同。求解了滚子的滚身母线方程，分析了各设计参数必须满足的限制条件，并给出了相应的

　　优化设计方法。实际图像采集结果表明，大小相差近一倍的苹果在该机构上的翻转角速度基本相同。

　　（２）设计了一种新型的杠杆式水果分级卸料装置，该装置可直接安装在水果自动分选机的滚子式水

　　果输送装置上，输送过程中不影响水果的输送和翻转，分级过程中可在自动分选机主控系统的指令下自动

　　地实时完成水果的高速分级卸料。通过对分选杠杆和分选凸轮的优化设计，保证了整个卸料过程对水果都

　　没有明显的碰撞和冲击。实际运行试验表明，该装置能对大小相差近一倍的苹果实施高速平稳卸料，卸料

　　后的苹果没有明显的碰撞或冲击损伤，且卸料过程对苹果的长期储存性能也没有显著影响。

　　（３）基于ＲＳ４８５总线和ＣＡＮ总线混合网络，采用模块化结构，设计并实现了一套水果机器视觉自动

　　分选机同步控制系统，实现了图华体绘科技官网像采集系统的适时触发、已定级水果动态位置的连续跟踪、水果等级信息

　　与其实时位置的动态配准，以及水果在不同等级的分级卸料出口处的自动分级卸料。实际运行试验表明，

　　该系统能可靠地完成水果机器视觉自动分选机的同步协调控制，并具有良好的同步准确性、配置灵活性和

　　（４）基于机、电、信息一体化技术，提出了一种水果流等转角动态序列图像的实时采集方法，实现

　　了输送线上不同大小水果的等转角动态图像序列的自动采集。实际运行试验表明，对输送线上水果流中的

　　每个水果，该方法都能采集到其６幅图像，且相邻图像之间水果大约旋转６００转角，６幅图像正好完全覆

　　（５）基于“软件线性队列”，提出了一种水果等级信息与水果实时位置的连续动态配准方法，实现了

　　输送线上水果流动态位置的连续跟踪和水果等级信息与其实时位置的连续动态配准。实际运行试验表明，

　　该配准方法工作可靠，所有水果都在预定的卸料出口完成了自动分级卸料。相比于现有的基于硬件移位寄

　　存器的配准方法，该方法在系统可靠性、可扩展性和配置灵活性等方面都有较大提高。

　　（６）基于色调分量Ｈ的全局阈值分割和光斑检测与补偿，设计了一种非理想光照条件下的水果流动

　　态图像实时分割算法，实现了水果流动态图像中水果对象的完整分割。该算法首先对色调分量Ｈ进行全局

　　阈值分割，然后检测图像中的光斑位置，并对Ｈ分量图像的分割结果进行光斑补偿，最后再用形态学方法

　　消除小的误分割区域以及水果对象上的毛刺和孔洞，从而获得了比较理想的分割效果。

　　关键词：水果；分选；机器视觉；滚子；翻转；角速度；图像采集；转角；图像分割；卸料：杠杆：同步

　　ｏｆｆｒｕｉｔｍａｃｈｉｎｅｖｉｓｉｏｎｇｒａｄｅｒｗｅｒｅｒｅｓｅａｒｃｈｅｄ．Ａｎｄｂａｓｅｄｏｎｔｈｅｒｅａｅａｒｃｈａ

　　ａｎｄｃｏｎｃｌｕｓｉｏｎｓｏｆｔｈｅｒｅｓｅａｒｃｈｗｅｒｅａｓｆｏｌｌｏｗｓ：

　　ｆｏｒａｕｔｏｍａｔｅｄｆｒｕｉｔｓｍａｃｈｉｎｅｖｉｓｉｏｎｇｒａｄｅｒｗａｓ

　　ｆｒｕｉｔｓｗｉｔｈｄｉｆｆｅｒｅｎｔｓｉｚｅｗｈｉｌｅｔｈｅｆｒｕｉｔｓ

　　ｔｈｅｆｒｕｉｔｓｔｏｃａｍｅｒａｓｆｏｒｔｈｅｉｒｅｎｔｉｒｅｓｕｒｆａｃｅ

　　ｗｉｔｈｄｉａｍｅｔｅｒｓｏｆ５０－－－１００ｍｉｌｌｉｍｅｔｅｒｓｈａｄ

　　ｄｉｓｃｈａｒｇｉｎｇｐｅｒｉｏｄ．Ｔｈｅｐｒａｃｔｉｃａｌｏｐｅｒａｔｉｎｇ

　　（３）ＢａｓｅｄｏｎａｍｉｘｅｄｎｅｔｗｏｒｋｏｆＲＳ４８５－ｂｕｓａｎｄＣＡＮ－ｂｕｓ，ｗｉｔｈａｍｏｄｕｌａｒｓｔｒｕｃｔｕｒｅ，ａｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ

　　ｓｙｓｔｅｍｓｙｎｃｈｒｏｎｏｕｓｔｉｍｉｎｇｓｉｇｎａｌｇｅｎｅｒａｔｅｄｂｙ

　　ｔｈｅｆｒｕｉｔ’ｓｇｒａｄｅｉｎｆｏｒｍａｔｉｏｎｗｉｔｈｔｈｅｉｒｒｅａｌ－ｔｉｍｅ

　　ｍｅｔｈｏｄｏｆｄｙｎａｍｉｃｉｍａｇｅｓｅｑｕｅｎｃｅｏｆｆｒｕｉｔｆｌｏｗｏｎｔｈｅｇｒａｄｅｒ

　　ｔｈｅｆｒｕｉｔ’ｓｗｈｏｌｅｓｕｒｆａｃｅａｎｄｅｎｓｕｒｅｔｈａｔｔｈｅｒｅｗｅｒｅ

　　ａｐｐｒｏｘｉｍａｔｅｌｙｅｑｕａｌｒｏｔａｔｉｏｎａｌａｎｇｌｅｉｍｅｒｖａｌｓｂｅｔｗｅｅｎｔｗｏ

　　ｃｏｎｓｅｃｕｔｉｖｅｉｍａｇｅｓｆｏｒｆｒｕｉｔｓｒｅｇａｒｄｌｅｓｓｏｆｓｉｚｅ．Ｔｈｅ

　　ｓｙｓｔｅｍｃｏｕｌｄｃａｐｔｕｒｅ６ｓｅｑｕｅｎｔｉａｌｉｍａｇｅｓｏｆｅａｃｈｆｒｕｉｔｉｎｔｈｅｆｒｕｉｔｆｌｏｗ ａｎｄｆｒｕｉｔｒｏｔａｔｅｄａｂｏｕｔ６００ｂｅｔｗｅｅｎｔｗｏ

　　ｃｏｍｐｌｅｔｅｒｅｖｏｌｕｔｉｏｎｉｎｔｈｅ６ｓｅｑｕｅｎｔｉａｌｉｍａｇｅｓ．

　　（５）Ａｄｙｎａｍｉｃａｌｌｙｒｅｇｉｓｔｒａｔｉｏｎ ｍｅｔｈｏｄｏｆｆｒｕｉｔ’ｓ ｇｒａｄｅｉｎｆｏｒｍａｔｉｏｎａｎｄｔｈｅｉｒｒｅａｌ－ｔｉｍｅ

　　ｇｒａｄｅｒ ａｎｄｒｅｇｉｓｔｅｒｄｙｎａｍｉｃａｌｌｙｔｈｅｆｒｕｉｔ’ｓ

　　ｔｈｒｅｓｈｏｌｄｄｅｔｅｒｍｉｎｅｄｗｉ吐ｌｔｈｅＯｔｓｕ’ｓｍｅｔｈｏｄ ａｎｄｔｈｅｓｅｇｍｅｎｔｅｄｉｍａｇｅｗａｓ

　　ｆｒｏｍｔｈｅｆｒｕｉｔｄｙｎａｍｉｃｉｍａｇｅｓｃｏｍｐｌｅｔｅｌｙ．

　　ＫｅｙｗｏｅＳ：Ｆｒｕｉｔ：Ｇｒａｄｉｎｇ：ＭａｃｈｉｎｅＶｉｓｉｏｎ；Ｒｏｌｌｅｒ：Ｒｏｔａｔｉｎｇ：ＲｏｔａｔｉｏｎＳｐｅｅｃｌ；ＩｍａｇｅＡｃｑｕｉｓｉｔｉｏｎ；Ｒｏｔａｔｉｏｎａｌ

　　ＡｎＯｅ：ＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎ：Ｄｉｓｃｈａｒｇｉｎｇ：Ｌｅｖｅｒ：Ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ

　　本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。

　　尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过

　　的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我

　　一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。

　　东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印

　　件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质

　　论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括

　　刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。

　　我国是水果生产大国，从１９９３年开始水果总产量就跃居世界第一位，且品种丰富，质地优良，但由于

　　水果产后商品化处理手段落后，大部分水果不经任何处理就通货上市、混级混卖，严重影响了水果的商品

　　价值，致使我国的水果出口受到严重影响，出口量仅占总产量的不到３％，远低于１０％的世界平均水平，

　　且售价偏低，根本进不了超市ｕ１。而发达国家从９０年代开始，就大量应用各种自动分级设备对水果进行分

　　级，极大地提高了水果的商品价值，获得了非常好的收益。近年来，迫于市场压力，有部分国内水果生产

　　和经销企业先后从国外引进了一些商品化的水果分级生产线，但价格昂贵，且对我国的水果品种和品质特

　　色不是非常适用。为此，开发适合我国水果特点的高性能水果自动分选机对促进我国水果产业的发展将具

　　常用的水果分级方法有人工分级法、机械式分级法、光电式分级法和机器视觉检测法…。

　　其中，人工分级法适用于各种水果，且能最大限度地减少对水果的机械伤害。但这种方法需要大量的

　　劳动力、且劳动强度很大，同时由于主观评定受到个人视力、颜色鉴别力、情绪、疲劳和光线等因素的影

　　机械式分级法通过筛孔、皮带间隙等方式来判断水果的大小，或者是通过杠杆式比较机构来判断重量，

　　然后通过适当的技术来实现水果分级。这种方法设备简单，分选效率高，但分选精度较差，且会对水果造

　　光电式分级法或者是通过水果通过光电检测器时的遮光量来测量其外径和大小，或者是利用颜色传感

　　器来测量水果表面的颜色来判断水果的成熟度。这种测量方法属非接触测量，不会对水果造成直接的机械

　　而机器视觉检测法是利用摄像机采集水果的表面图像，并通过图像处理方法来获取水果的大小和颜色

　　等品质参数。机器视觉检测法也属于非接触测量，不会对水果造成直接的机械损伤，且可以同时获取水果

　　的大小、果形、颜色和表面缺陷状况等外观品质参数，具有自动、高效、准确、全面、客观和非破坏性检

　　测的特点，所以获得了广泛的关注和研究，并已华体绘科技官网逐步应用到生产实践中，展现了其巨大的发展潜力和广阔

　　由于基于机器视觉的水果分级技术同时涉及到机械、自动化、机电控制、数字图像处理、模式识别、

　　人工智能和计算机等多个技术领域呤’，实现难度较大。现有研究仍主要集中在基于水果静态图像的单参数

　　分选‘Ⅻ，和基于水果动态实时图像的单参数分选晗１侧，同时包含大小、果形、颜色和表面缺陷的多参数分

　　选研究还比较少见附翊，且在水果的果形表示与判别分类、颜色度量与判别分类、缺陷识别、果梗花萼部

　　位识别以及缺陷与果梗花萼部位的区分方法等方面还没有形成统一有效的方法，仍处在一个百家争鸣的初

　　饶秀勤ｎ１、应义彬等ｎ¨阳和冯斌等阱１采用基于最小外接矩形（ＭＥＲ）的方法对柑橘和苹果的直径进行了

　　测量。宁素俭等啪１利用直径平均法测量了水果的尺寸。饶秀勤还尝试采用椭圆回归法和软件卡尺法进行柑

　　橘直径的测量ｎ１。其中，冯斌等晗铂在进行苹果的尺寸检测时，利用苹果自然对称的形态特征来确定苹果尺

　　以上方法都没有考虑图像中的水果姿态问题，而在对苹果等水果的大小进行人工测量时，都是以垂直

　　于其果梗一花萼轴线的最大胸径作为其直径的测量值。由于现有方法无法确定水果在图像中的方位，所以

　　Ｓａｒｋａｒ等啪１通过计算西红柿的８邻域链码边界的曲率来描述西红柿的形状。Ｈｅｉｎｅｍａｎｎ等啼¨提出了一种

　　基于三阶矩的苹果形状分类器。ＹａｎｇＴａｏ等哺１则利用基于傅立叶变换的果形分类器对马铃薯进行了果形分

　　类。Ｐａｕｌｕｓ等哺】贝Ｕ利用傅立叶展开技术对苹果的外形轮廓进行了分析，并发现傅立叶级数的前两项解释了

　　９２％的苹果形状。应义斌等ｎ１则应用傅立叶变换与反变换以及人工神经网络分类器对黄花梨的果形进行了分

　　类，发现傅立叶描述子的前１６个谐波足以描述黄花梨的形状。Ｍｏｒｉｍｏｔｏ等哺。则利用吸引子和分形维数等混

　　沌学概念定量测量并评价了西红柿果形的规则性。Ａｌｅｉｘｏｓ等啪１则简单地利用最大直径与最小直径之比来

　　表示水果的果形。Ｗｏｌｆｅ等㈨利用在６个正交方向上的环形Ｈｏｕｇｈ变换和线性Ｈｏｕｇｈ变换找到了胡椒的柄部和

　　花萼，从而确定了胡椒的方位，结果实测方位角和计算方位角的平均误差为８．１度，所提出的双梯度法和

　　中轴技术为有效地进行胡椒的形状识别打下了基础。Ｖａｒｇｈｅｓｅ等Ⅲ１采用矩方法进行了苹果果形判别的研

　　究，需要将苹果的果梗花萼轴人为定向，同时还需要采集５幅不同角度的图像，但判别准确性与苹果的旋

　　转角度有关。Ｌｅｅｍａｎｓ等Ｄ明系统地研究了圆度、矩形率、矩、惯性主轴、偏心率、矩不变因子等果形描述

　　子的性能，结果表明用常规的以区域为基础的信息（如惯性主轴、矩等）描述果形的方法不是精确度不高就

　　是对苹果的旋转、位移敏感性太强，适应性较差。Ｉｍｏｕ等㈨建立了检测草莓形状的三维形状测量实验台，

　　并对草莓的三维形状进行了研究。黄星弈等人口刀采用一种几何方法来确定苹果的近似横径和纵径，然后利

　　由于人工判别苹果等水果的果形时，是以其果梗一花萼轴线作为参照基准来进行评价的。所以在进行

　　水果的果形评价时，图像中水果所处的方位的判断也很重要。Ｗｏｌｆｅ等曙引、Ｖａｒｇｈｅｓｅ等ｍ。和Ｌｅｅｍａｎｓ等ｍ１

　　的研究结果证明了在进行果形测度时，水果在图像中所处的方位以及利用多幅图像进行果形测度时相邻图

　　ＹａｎｇＴａｏ等嘲采用ＨＳＩ彩色空间，利用色调直方图中的颜色特征数据和多变量判别方法对马铃薯和苹果

　　进行了颜色分级，发现ＨＳＩ彩色空间用于颜色评价非常有效。后来，ＹａｎｇＴａｏ等胆ｕ又发明了新的彩色变换

　　方法，利用彩色稳定变换很好地解决了在传统ＨＳＩ颜色模型中色彩信息通常是不稳定的这一难题。何东健

　　等人啪１用色调值下累计着色面积百分比进行颜色分级，该方法与人工分级的一致度在８８％以上。之后，何

　　东健等人啪１又用果实色调分布曲线和人工神经网络进行果实表面颜色分级研究，该方法与人工分级的一致

　　但由于完整的水果表面信息只能通过不同视角下的多幅水果表面图像才能获得，而以上方法都没有解

　　决动态图像处理时水果完整表面的融合问题，所以在进行动态图像处理时，以上方法的颜色测度精度会受

　　Ｌｅｅｍａｎｓ等ｎ仉Ｍ１利用从多个无缺陷的好苹果中提取的正常颜色模型对水果图像中的各个像素进行聚类

　　分析，从而将其划分为正常表面和缺陷，后来他又利用贝叶斯分类器对苹果的表面缺陷进行了分割试验。

　　ＹａｎｇＴａｏ等眦’２３１则利用一种自适应球形变换将球形物体的图像变换为平面物体图像，在此图像中缺陷部位

　　表现为明显的凹陷，从而实现了苹果表面缺陷的快速提取。ＷｅｎＺｈｉｑｉｎｇ等晗射则先利用自适应球形变换提

　　取图像中疑似缺陷的斑点，然后利用基于规则的二进制决策树按照表面缺陷状况对苹果进行分类。Ａｌｅｉｘｏｓ

　　等则先利用贝叶斯分类器对水果图像中的各个像素进行分类，然后再从结果图像中提取缺陷啪１。梁伟杰等

　　人旧１提出了一种利用多台摄像机在多个角度进行拍摄，对多幅采集后的图像进行切割，提取各自特征并进

　　在水果表面缺陷的机器视觉检测中，正确区分表面缺陷与果梗花萼部位的正常凹陷是一个难点问题。

　　Ｍｉｌｌｅｒ等ｎ¨在对桃子的分选试验中发现，因不能正确区分表面缺陷与果梗花萼部位而产生的分级误差达

　　２５％左右。为正确识别果梗花萼部位的凹陷区，Ｙａｎｇｕ刳提出利用结构光图像提供的三维图像信息来正确识

　　别果梗花萼区。在识别苹果表面缺陷的过程中，Ｙａｎｇ首先利用洪水算法从水果图像中分割出疑似缺陷，再

　　利用结构光图像提供的三维信息实现表面缺陷和果梗花萼部位的区分，然后利用蛇行算法提纯缺陷区域的

　　边界ｕ副。ＣｒｏｗｅＴ．Ｇ．等啪’和ＹａｎｇＴａｏ等峨趵１则同时利用散射光图像和结构光图像来区分表面缺陷和果梗花

　　萼部位，利用散射光图像寻找疑似缺陷，再利用结构光图像确定疑似缺陷中哪些是表面缺陷哪些是果梗花

　　萼部位，从而大大提高了缺陷的识别精度。除结构光方法之外，Ｔｈｒｏｏｐ等ｍ１研制了一种苹果定向机构，在

　　图像采集之前先使苹果的果梗一花萼轴线定位至固定方向，从而保证果梗花萼部位不出现在采集到的苹果

　　图像中，但该方法定位速度较慢，且对不同品种和大小的苹果适应性较差。除此之外，Ｒｕｉｚ等ｕ副分别利用

　　基于线性判别分析的彩色分割、轮廓线曲率分析和形态学细化操作对柑橘的果梗进行了检测试验，证明这

　　些方法都能有效地检测到果梗。Ｂｅｎｎｅｄｓｅｎ等俐则对同一水果连续采集多幅图像，并利用疑似缺陷在各幅

　　图像中的位置和形状信息来判定其是真正的缺陷还是果梗花萼部位。Ｕｎａｙ等Ｈ¨则利用模式识别方法来识别

　　苹果图像中的果梗花萼区，首先利用阈值法进行对象分割，接着提取各个对象的统计特征、纹理特征和形

　　状特征，然后分别利用线性判别、聚类、模糊聚类和支持向量机等分类器进行分类，发现支持向量机方法

　　虽然有关果梗花萼识别方法和缺陷识别算法的研究很多，但至今仍没有找到一种简单的实用方法来对

　　果梗花萼区和缺陷区进行区分。但随着计算机处理速度的飞速提高和图像采集系统成本的下降，梁伟杰等

　　Ｈ纠提出的多摄像机方法可能会逐渐为人们所接受，通过多摄像机图像提供的立体信息，并结合果梗花萼区

　　在水果上的位置和大小特征，将有助于果梗花萼区的识别以及与缺陷区域的区分。